- 博客(3)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 VLocNet：Deep Auxiliary Learning for Visual Localization and Odometry用于视觉定位和测距的深度辅助学习
摘要本文提出了VLocNet，一个新的卷积神经网络架构。还提出了一个新的损失函数，利用辅助学习在训练期间利用相对姿势信息，从而约束搜索空间以获得一致的姿势估计。本文在室内和室外数据集上评估了VLocNet，结果表明，即使我们的单一任务模型也超过了最先进的深度架构的全局定位性能。此外，本文利用提出的几何一致性损失进行了广泛的实验评估，显示了多任务学习的有效性，并证明了VLocNet是第一个与最先进的基于SIFT的方法相提并论的深度学习技术，而且在某些情况下超过了最先进的方法。介绍在这项工作中，我们
2022-03-22 11:08:19
3253
1
原创 VidLoc：A Deep Spatio-Temporal Model for 6-DoF Video-Clip Relocalization用于6-DoF视频片段重新定位的深度时空模型
摘要大多数基于CNN的方法，都是单一图像，在这种情况下，所提出的基于深度学习的方法都没有利用有价值的时间平滑性约束，往往导致每帧误差大于相机运动的情况。本文提出了一个循环模型，用于对视频片段进行6-DoF定位。贡献本文提出一个递归模型，通过使用多帧的姿势预测来减少姿势估计的误差。1.CNN-RNN模型。2.在网络中整合了一种获得姿势估计的瞬时协方差的方法。3.本文对两个大型开放数据集进行了评估，并回答了一个重要的问题：我们的方法与作为后处理步骤的简单平滑姿态估计相比如何？模型
2022-03-20 20:37:17
2767
原创 MapNet：Geometry-Aware Learning of Maps for Camera Localization相机定位的几何感知学习地图
摘要地图是基于图像的相机定位和视觉SLAM系统的关键组成部分。本文MapNet除了图像之外还利用廉价且无处不在的感官输入，如视觉里程计和GPS，并将它们融合在一起以进行相机定位。本文还提出了一种新的相机旋转参数化方法。分别在7-Scenes和Oxford RobotCar数据集上测试介绍本文做出了如下贡献1.大多数用于相机定位的DNN都是使用标有摄像机绝对姿势的翻译图像来训练的。在MapNet中，我们展示了如何在训练中把观察对之间的几何约束作为一个额外的损失项。这些约束来自视觉里程计
2022-03-19 20:04:30
6174
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人